SheepSeb · tinyworldformer · 阅读材料
值得学什么
README把状态表示、重复计算块、量化和策略漏洞放在同一小项目中，适合从代码与失败记录理解闭环评测。
准备
了解基本神经网络与强化学习中的状态、动作、奖励；可以先只读说明和表格。
动手试试
选打砖块例子，分别列出单帧预测、规则状态转移和奖励一致性三种检查能发现什么。随后设计一组策略实际访问的状态，说明怎样与独立规则实现比较；如有条件再运行。本文未执行该练习。
阅读依据
已读README中的模型结构、整数部署、5,000步规则核对与虚假奖励案例，并核对作者关于训练硬件的回应。
具身智能 · 训练与对齐 · 评测与基准 · World Models · Reward Exploitation